動画から音声を抽出する完全ガイド｜ffmpeg・オンラインツール・スマホ対応

動画ファイルはコンテナフォーマット（MP4・MOV・MKV等）の中に映像ストリームと音声ストリームが格納されています。音声抽出は映像ストリームを使用せずに音声ストリームのみを取り出してファイルとして保存することです。

抽出の2つのアプローチ：1）ストリームコピー（最高品質）：元の音声コーデック（AAC・MP3等）をそのままコピーして保存。再エンコードがないため音質劣化なし。処理が非常に高速。元のコーデックと異なる形式が必要な場合は使えない。2）トランスコード（変換が必要な場合）：元のコーデックから別のコーデック（MP3・WAV等）に変換しながら保存。変換により若干の音質変化が発生。元がAACでMP3として保存したい場合などに使用。

ffmpegはコマンドライン（ターミナル・コマンドプロンプト）で動画・音声を処理できるオープンソースツールです。主要な音声抽出コマンド：AACストリームをそのままコピー：`ffmpeg -i input.mp4 -vn -c:a copy output.aac`（-vn：映像除外・-c:a copy：音声コーデックをそのままコピー）。MP3に変換して抽出：`ffmpeg -i input.mp4 -vn -c:a libmp3lame -b:a 192k output.mp3`（-b:a 192k：MP3ビットレート192kbps）。

WAV（無圧縮）に変換：`ffmpeg -i input.mp4 -vn -c:a pcm_s16le output.wav`。FLAC（ロスレス圧縮）に変換：`ffmpeg -i input.mp4 -vn -c:a flac output.flac`。複数ファイルを一括抽出（Bash）：`for f in *.mp4; do ffmpeg -i "$f" -vn -c:a copy "${f%.mp4}.aac"; done`。Windowsのコマンドプロンプト一括処理：`for %f in (*.mp4) do ffmpeg -i "%f" -vn -c:a copy "%~nf.aac"`。

コマンドライン操作が難しい場合のオンラインツール：Online Audio Converter（online-audio-converter.com）：ブラウザ上でドラッグ＆ドロップするだけで音声抽出・変換ができる無料ツール。入力：MP4・MOV・AVI等。出力：MP3・AAC・WAV・FLAC等多数対応。Convertio（convertio.co）：多様なファイル形式に対応したオンライン変換ツール。無料プランは1日5ファイル・100MBまで。

CloudConvert：高品質変換・APIアクセスも可能。VEED.IO：動画編集と音声抽出の両方に対応したオンラインツール。注意点：オンラインツールはファイルをサーバーにアップロードするため、機密情報を含む動画への使用は注意が必要。VideoAudioTuneはオリジナルの音声を抽出するのではなく処理後の動画を書き出すツールですが、ブラウザ内処理でプライバシーを保ちながら音声品質を向上させる点が特徴です。

スマートフォンで動画から音声を抽出する方法：iPhone（iOS）：ショートカットアプリで「メディアをエンコード」アクションを使って動画ファイルの音声のみを書き出す自動化フローを作成できます。GarageBandアプリで動画を読み込み、オーディオとしてエクスポートする方法もあります。専用アプリ（App Store）：「動画MP3変換」「Video to MP3」等のキーワードで検索すると多数の音声抽出アプリが見つかります。

Android：VLC for Androidはメディアプレーヤーとして動画を再生しながら音声のみを録音・保存する機能があります。Media Converterアプリ（Google Play）で動画から音声を抽出できます。Mi File Manager・Files by Googleなど一部のファイル管理アプリにも変換機能があります。

動画から音声を抽出した後、その音声をさらに品質向上させたい場合：Audacity（無料）：抽出したWAV・MP3ファイルをAudacityで開き、EQ・コンプレッサー・ノイズリダクション等の処理を適用できます。特にポッドキャスト化・音声アーカイブとして公開する場合に有効。

動画形式のまま処理してから抽出する方法：動画ファイルをVideoAudioTuneで音声処理（EQ・音量最適化）してから書き出し、その後ffmpegやオンラインツールで音声を抽出します。この方法では処理後の高品質な音声を取り出せます。ポッドキャスト化を目的とした音声抽出では、VideoAudioTuneのVoice ClarityまたはConferenceプリセットで処理した後に音声を抽出することで、明瞭で聴きやすいポッドキャスト音声が作れます。